据彭博社 2026 年 11 月 2 日援引高盛 10 月内部指南报道,高盛已切断大多数非技术员工对 Anthropic 旗下 Claude Code 和微软 GitHub 等高级 AI 编程工具的访问权限。距离高盛首席信息官 Marco Argenti 在 7 月公开盛赞非技术人员靠氛围编程(vibe coding)快速搭原型,只过去了 3 个月。这场反转直接戳破了硅谷向传统大企业推销的全民编程叙事。

高盛这次收权划出了极其清晰的边界:

  • 被切断权限的是前端交易员与投资银行家,他们此前数月一直在用这些工具监控客户交易流、制作图文内容,甚至直接对市场走势和头寸进行建模。
  • 保留权限的除了公司约 12,000 名工程师,还有一个关键豁免群体——前台的 Strats(策略量化人员,兼具交易、量化研究与软件工程职能)。
  • 员工日常使用的内部通用 AI 助手并未被禁,该助手集成了 OpenAI、Anthropic 和 Alphabet 的模型。

为什么 3 个月就跑不通了

高盛发言人 Nick Carcaterra 给出的解释是实验阶段已经结束,公司出于生产力和风险管理等因素,决定把工具留给最适合长期使用的人。把生产力列为封禁理由,初看有些反常。AI 编程工具本来是用来提效的,怎么成了生产力的负资产?

粗糙的业务原型卡在严苛的工程合规关口前(示意图)
粗糙的业务原型卡在严苛的工程合规关口前(示意图)

答案藏在 7 月份高盛 CIO 描绘的那个理想流水线里。按照当时的设想,交易员或资管人员有了点子,用 Claude Code、Codex 或 Devin 快速捏出一个能跑的原型,然后交给背后的 12,000 名工程师去加固、扩展并推向生产环境。

外行写原型、内行去量产的流水线卡在哪里 1. 业务端自由生成 交易员用 Claude Code 搭交易监控与头寸模型 耗时:数小时 2. 工程端重构泥潭 缺乏密钥管理与数据分级 1.2 万工程师审计与重写 代价:高于从头编写 3. 10月权限回收 切断交易员与银行家权限 仅保留工程师与 Strats 结局:回归专业工程管线 核心冲突:生成代码边际成本趋近于零,但金融级代码审查、合规扫描与模型验证成本并未下降。 数据来源:彭博社(2026年11月)、RAISE峰会公开报道(2026年7月)

这个设想忽略了一个基本的工程常识:写得出能跑的脚本,不等于写得出能进核心系统的工程代码。

AI 降低了写代码的门槛,却成倍抬高了审代码的代价。

我更在意的是这次对 Strats 团队的豁免。如果高盛只是因为保守或者害怕 AI 出错,大可以一刀切禁掉所有前台业务部门。单独放行 Strats,说明华尔街划分 AI 权限的标尺根本不是前后台之分,而是使用者具不具备工程治理与数学建模资质。

普通交易员用自然语言生成的头寸建模脚本,没有经过代码审查、密钥管理、许可证扫描和数据分级,本质上是一堆能跑通的黑箱。当这些粗糙原型源源不断甩给工程团队要求上线时,工程师去拆解逻辑、修补漏洞、重写架构的时间,往往比从头写一遍还要长。业务员个人的敏捷,变成了整个工程体系的债务。

  • 风险.交易员用未经验证的 AI 脚本对市场走势和头寸建模,直接撞上了金融机构最敏感的模型风险管理(MRM)红线;一旦带病接入实时交易流,合规敞口无法估量。

华尔街的真实 AI 账本怎么算

1990 年代华尔街曾经历过一轮极其相似的失控。当时 Excel 和 VBA 宏在交易台普及,每个交易员都能自己拉表格、写宏来做衍生品定价,摆脱了对 IT 部门的依赖。结果很快演变成著名的电子表格风险(Spreadsheet Risk)——散落在个人电脑里的几千张表格没有版本控制、没有交叉审计,几个隐藏的公式错误就能让投行亏掉数亿美元,最终逼迫监管层出台了严苛的模型风险管理规范。

金融业的 AI 提效必须先卡死合规准绳(示意图)
金融业的 AI 提效必须先卡死合规准绳(示意图)

今天的氛围编程,不过是把当年的 VBA 宏换成了 Claude Code,生成速度更快、代码量更大、隐蔽性也更强。高盛这次踩刹车,看似是从激进实验往回退,实则是回到了华尔街同行早已验证过的受控轨道上。

对比另外三家华尔街大行的落地动作,就能看清金融业真实的 AI 提效产自哪里:

华尔街大行 AI 编程落地:全部锁在工程护栏内 摩根大通 (JPMorgan) 10%-20% 工程生产力提升幅度 护栏:GitHub Copilot 配合 内部审查工具 PRBuddy 摩根士丹利 (Morgan Stanley) 28万小时 截至2025年6月节省工时 护栏:内部 DevGen.AI 专攻 审查900万行遗留代码改造 花旗集团 (Citigroup) 10万小时/周 开发人员每周产能提升 护栏:强制代码审查、密钥 处理、安全与许可证扫描 横向对比:真实可量化的工时节省全部发生在受控软件工程体系内,无一来自非技术人员自由编程。 数据来源:路透社(2025年3月/10月)、各行公开技术披露与招聘文档

摩根大通拿到 10% 至 20% 的工程提效,前提是给 GitHub Copilot 配上了内部 AI 代码审查工具 PRBuddy;摩根士丹利省下 28 万个开发人员工时,靠的是用内部工具 DevGen.AI 啃下 900 万行遗留代码的现代化改造;花旗每周省出 10 万小时产能,虽然同样用到了 GitHub Copilot、Devin 和 Claude Code,但在工程招聘中明确把代码审查、安全与许可证扫描、密钥处理和数据分类规则写成了硬性门槛。

没有任何一家大行靠放任银行家自己写代码赚到生产力红利。

《韩非子》里讲,巧匠目意中绳,然必先以规矩为度。再聪明的工匠,动工前也得先卡死规矩和准绳。高盛这 3 个月的折返跑,给 Anthropic、微软 GitHub 以及 Cognition(Devin)等工具商敲了一记警钟:向非技术岗位无限扩张席位(Seat)的算盘,在金融、医疗、能源这类强监管行业根本打不响。

  • 结论.企业级 AI 编程的下半场,决定商业化边界的不再是模型生成代码有多快,而是厂商能不能交出针对非技术人员的受限安全沙盒与自动化合规套件。

接下来最值得盯紧的变量有两个:一是其他曾试水全民氛围编程的大型非科技企业会不会跟进收权;二是 Claude Code 和 GitHub 会不会专为业务人员推出阉割掉底层执行权限、强制绑定企业合规扫描的受限模式。在那之前,高盛的交易员们只能乖乖退回工位,重新向工程师和 Strats 排队提需求。